文献

J-GLOBAL ID：201802223642013610   整理番号：18A1480352

ロバストなモバイル群衆センシング:深層学習がエッジコンピューティングに適合するとき【JST・京大機械翻訳】

Robust Mobile Crowd Sensing: When Deep Learning Meets Edge Computing

著者 (6件)： Zhou Zhenyu ,  Liao Haijun ,  Gu Bo ,  Huq Kazi Mohammed Saidul ,  Mumtaz Shahid ,  Rodriguez Jonathan
資料名： IEEE Network  (IEEE Network)
巻： 32  号： 4  ページ： 54-60  発行年： 2018年 
JST資料番号： T0135A  ISSN： 0890-8044  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： MCS技術の出現は,大規模なセンシングタスクを収容するための費用効率の良い解決策を提供する。しかし,MCSの潜在的な利点にもかかわらず,参加者,データ検証の欠如,および高い交通負荷と待ち時間の欠如のために,解決されなければならないいくつかの重要な問題がある。これは,深い学習ベースのデータ検証とエッジコンピューティングベースの局所処理を統合するフレームワークである,ロバストなモバイルクラウドセンシング(RMCS)を開発することを動機づける。最初に,包括的な最先端の文献レビューを提示した。次に,RMCSの概念設計アーキテクチャと実用化を詳細に記述した。次に,スマート輸送の事例研究を提供して,提案したRMCSフレームワークの実現可能性を実証した。最後に,いくつかのオープン問題を同定し,論文を結論した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 概念設計 ,  待ち時間 ,  文献展望 ,  計算機アーキテクチャ ,  *ロバスト性 ,  *学習 ,  事例研究 ,  *携帯電話
準シソーラス用語： 最先端 ,  データ検証 ,  *エッジコンピューティング ,  *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  移動通信  (ND08030H)

タイトルに関連する用語 (5件)： ロバスト ,  モバイル ,  センシング ,  深層学習 ,  エッジコンピューティング